Langsung ke konten utama

Ekstraksi Teks Spesifik dengan Regular Expression (REGEX) R Bagian III

 

Regular Expression (REGEX) dengan R

Selain penggunaan fungsi gsub(), untuk mendapatkan insight data teks dengan ekstrasi dapat pula menggunakan fungsi grep(). Era Data Science menuntut kita mempunyai skill mentransformasi data tidak terstruktur seperti teks, video, suara, dan gambar menjadi data yang terstruktur untuk kemudian diolah menjadi sebuah informasi bermanfaat bagi pengguna.

Perbedaan dari gsub() dan grep() cukup mudah kita bedakan. Fungsi gsub() lebih untuk mengekstraksi teks dengan cara menghapus teks yang tidak diinginkan. Sedangkan fungsi grep() digunakan untuk secara tepat mengekstraksi teks secara langsung. Sebagai contoh, bila kita ingin mengekstraksi teks "lato-lato", kalau menggunakan gsub() kita perlu hapus teks selain kata tersebut, sementara bila menggunakan grep, kita langsung menargetkan teks "lato-lato" untuk diambil dari dalam teks. Untuk lebih memahami, kita perlu praktikkan dengan beberapa kasus sebagai berikut:

#Membuat Data Teks
x <- c("Saya suka mengolah.", "(Big Data)", "baik: ","dengan Python versi \\3.", "maupun", "R versi @ 4.0.2")
x
## [1] "Saya suka mengolah."      "(Big Data)"               "baik: "                  
## [4] "dengan Python versi \\3." "maupun"                   "R versi @ 4.0.2"
#Mendapatkan teks yang diawali oleh huruf pertama d
grep("^d", x, value = T)
## [1] "dengan Python versi \\3."
#Mendapatkan teks yang diawali oleh tanda kurung dan huruf pertama B dan huruf pertama b
grep("^[(]B|^b", x, value = T)
## [1] "(Big Data)" "baik: "
#Mendapatkan teks yang diakhiri dengan tanda titik (.)
grep("[.]$", x, value = T)
## [1] "Saya suka mengolah."      "dengan Python versi \\3."
#Mendapatkan teks yang diakhiri dengan tanda titik dua (:) (spasi)
grep("[:] $", x, value = T)
## [1] "baik: "
#Mendapatkan teks yang mengandung tanda @
grep("@", x, value = T)
## [1] "R versi @ 4.0.2"
#Teks
y <- c("I am", "very", "well", "thank you", "It' OK")
y
## [1] "I am"      "very"      "well"      "thank you" "It' OK"
#Mendapatkan teks yang mengandung huruf a dimana pun letaknya
grep("?a", y, value = T)
## [1] "I am"      "thank you"
#Mendapatkan teks yang mengandung huruf e diikuti huruf l hingga r
grep("e[l-r]", y, value = T)
## [1] "very" "well"
#Mendapatkan teks yang mengandung huruf e diikuti tepat 1 huruf l
grep("el{1}", y, value = T)
## [1] "well"
#Mengubah y menjadi data frame dengan nama kolom (variable) text
y <- data.frame(text = y)
y
##        text
## 1      I am
## 2      very
## 3      well
## 4 thank you
## 5    It' OK
#Mendapatkan teks yang mengandung kata thank pada dataframe
y[grep("thank", y$text),]
## [1] "thank you"

Demikian sedikit sharing kita kali ini. Jangan lupa untuk terus menyimak setiap unggahan menarik berikutnya dalam blog ini. Terima kasih, selamat memahami dan mempraktikkan!


Komentar

Postingan populer dari blog ini

Mencari P - Value dan Titik Kritis Uji F, Uji t, Uji Chi Square, dan Uji Z Normal dengan R

Mencari nilai p-value dan titik kritis Bagi teman-teman yang pernah mengenal statistika, pasti familier dengan istilah p-value dan titik kritis. P-value biasanya didefinisikan sebagai probabiltas atau peluang maksimal yang diamati dari hasil uji statistik, bahasa gampangnya adalah besarnya kesalahan penelitian berdasarkan uji statistik. Sebagai contoh sederhana, dari 100 orang dengan nama masing-masing dan diklasifikasikan ke dalam gender nama perempuan dan nama laki-laki, didapatkan nilai p-value uji statistiknya sebesar 0,05 atau 5%. Itu artinya, dari 100 orang, ada kemungkinan sebanyak 5 orang yang namanya salah klasifikasi. Dari namanya terdeteksi sebagai nama perempuan, padahal aktualnya yang bersangkutan bergender laki-laki. Sedangkan titik kritis atau titik uji adalah nilai batas pengujian hipotesis statistik, apakah masuk dalam wilayah tolak hipotesis, ataukah gagal menolaknya. Titik ini berkaitan erat dengan nilai p-value . Kalau biasanya kita mendapatkan kedua nilai ini da...

Cara Mendowload dan Install R serta RStudio di Windows (Step by Step)

Cara Download dan Install R serta R Studio di Windows Halo teman-teman, mohon maaf karena beberapa waktu ini, blog ini sempat vakum dari unggahan. Kali ini saya akan coba berbagai mengenai bagaimana cara mengunduh ( download ) dan menginstal ( install ) program R sekaligus R Studio khususnya di Windows. Unggahan kali ini sedikit terbalik karena semestinya saya unggah terlebih dahulu pertama kali di blog ini, namun bukan masalah, mengingat kemarin ada beberapa pihak yang meminta untuk menerangkap bagaimana tahapan mengunduh dan instalasi R dan R Studio, jadinya saya dahulukan pada unggahan ini sebelum pembahasan mengenai Data Mining , Data Science , atau bahasan Big Data kita terlampau jauh. Baik, kita akan mulai dengan bagaimana mengunduh R dan R Studio melalui mesin pencari Google. R dan R Studio ini memang beberapa waktu terakhir ini booming , apalagi dengan munculnya konsep mengenai Big Data , Data Modelling, Data Mining, dan Data Science serta Data Visualization . Sebenarnya, men...

Analisis Tipologi Klassen (Klassen Typology) dan Visualisasi Spasialnya dengan R

Tipologi Klassen dan visualisasinya dengan R Halo teman-teman, sebelumnya kita telah membahas tentang analisis Shift Share dan Location Quotient (LQ) dengan menggunakan R. Kali ini, kita akan membahas mengenai satu lagi alat analisis yang sebenarnya merupakan alat analisis tiga serangkai dari SS dan LQ, yaitu analisis Tipologi Klassen. Dalam penelitian ekonomi kewilayahan, ketiga analisis ini seringkali digunakan, baik dalam rangka melihat perkembangan dan transformasi struktur ekonomi suatu wilayah maupun melihat keunggulan kompetitif dan keunggulan komparatif wilayah satu dengan wilayah lainnya dengan mengacu wilayah referensi. Terlebih dulu, sebelum melakukan visualisasi spasial menggunakan fungsi plot(), ada baiknya kita bahas terlebih dahulu mengenai Tipologi Klassen itu sendiri. Tipologi Klassen merupakan teknik pengelompokan sektor, subsektor, lapangan usaha, atau komoditas tertentu di wilayah analisis berdasarkan pertumbuhan nilai tambah wilayah analisis terhadap nasional atau...